Modelo de regressão normal inversa gaussiana com erros nas variáveis

Detalhes bibliográficos
Autor(a) principal: Monho, Thaís Castelo Branco, 1991-
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1639844
Resumo: Orientador: Filidor Edilfonso Vilca Labra
id UNICAMP-30_4302165a2d1aa9d235dc4d17675cdb9e
oai_identifier_str oai::1157155
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Modelo de regressão normal inversa gaussiana com erros nas variáveisMeasurement error regression under a normal inverse gaussian modelModelos com erros nas variáveisModelos de regressão (Estatística)Algoritmos de esperança-maximizaçãoDistribuições bivariadas (Estatística)Errors-in-variables modelsRegression models (Statistics)Expectation-maximization algorithmsBivariate distributions (Statistics)Orientador: Filidor Edilfonso Vilca LabraDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática Estatística e Computação CientíficaResumo: As distribuições multivariadas de caudas pesadas têm encontrado muitas aplicações em estatística, onde a distribuição normal tem sido usada. A distribuição Normal Inversa Gaussianal (NIG) é uma mistura variância-média, de uma normal multivariada com uma distribuição univariada Inversa Gaussiana (IG). O principal objetivo deste trabalho é o estudo dos modelos estruturais com erros nas variáveis, sob a distribuição NIG simétrica multivariada. Assume-se que as variáveis observadas seguem uma distribuição NIG bivariada simétrica. Devido à complexidade da função de verossimilhança, a estimação dos parâmetros do modelo por maximização direta é extremamente difícil. Para superar este problema, propomos um algoritmo EM rápido e preciso, para obter as estimativa de máxima verossimilhança dos parâmetros. Discutimos aspectos da robustez do uso da distribuição NIG, que inclui a aplicação do método de detecção de observações atípicas no modelo com erros nas variáveis sob a distribuição NIG simétrica. Estudos de simulação e aplicações de um conjunto de dados reais, são fornecidos para ilustrar a metodologia propostaAbstract: The heavy-tailed multivariate distributions have found several applications in statistics, where the normal distribution has been used. The Normal Inverse Gaussian (NIG) distribution is a recent variance-mean mixture of a multivariate Gaussian with a univariate Inverse Gaussian (IG) distribution. The main object of this work is the study of the structural errors-in-variables models, under the symmetric Multivariate Normal Inverse Gaussian (NIG) distribution. It is assumed that the observed variables follow a symmetric bivariate NIG distribution. Due to the complexity of the likelihood function, the estimation of model parameters by direct maximization is exceedingly difficult. To overcome this problem, we propose a fast and accurate EM algorithm for the maximum likelihood estimation. We discuss aspects of robustness of the use of the NIG distribution, which includes the application of method to detect outlying observations in the error-in-variables model under the symmetric NIG distribution. Simulation studies and applications to real data set are given to illustrate the proposed methodologyMestradoEstatísticaMestra em EstatísticaCAPES001[s.n.]Vilca Labra, Filidor Edilfonso, 1964-Matos, Larissa AvilaPatriota, Alexandre GalvãoUniversidade Estadual de Campinas. Instituto de Matemática, Estatística e Computação CientíficaPrograma de Pós-Graduação em EstatísticaUNIVERSIDADE ESTADUAL DE CAMPINASMonho, Thaís Castelo Branco, 1991-20192019-07-23T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online ( 119 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/1639844MONHO, Thaís Castelo Branco. Modelo de regressão normal inversa gaussiana com erros nas variáveis. 2019. 1 recurso online ( 119 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática Estatística e Computação Científica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1639844. Acesso em: 15 mai. 2024.https://repositorio.unicamp.br/acervo/detalhe/1157155Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2020-10-27T07:38:25Zoai::1157155Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2020-10-27T07:38:25Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Modelo de regressão normal inversa gaussiana com erros nas variáveis
Measurement error regression under a normal inverse gaussian model
title Modelo de regressão normal inversa gaussiana com erros nas variáveis
spellingShingle Modelo de regressão normal inversa gaussiana com erros nas variáveis
Monho, Thaís Castelo Branco, 1991-
Modelos com erros nas variáveis
Modelos de regressão (Estatística)
Algoritmos de esperança-maximização
Distribuições bivariadas (Estatística)
Errors-in-variables models
Regression models (Statistics)
Expectation-maximization algorithms
Bivariate distributions (Statistics)
title_short Modelo de regressão normal inversa gaussiana com erros nas variáveis
title_full Modelo de regressão normal inversa gaussiana com erros nas variáveis
title_fullStr Modelo de regressão normal inversa gaussiana com erros nas variáveis
title_full_unstemmed Modelo de regressão normal inversa gaussiana com erros nas variáveis
title_sort Modelo de regressão normal inversa gaussiana com erros nas variáveis
author Monho, Thaís Castelo Branco, 1991-
author_facet Monho, Thaís Castelo Branco, 1991-
author_role author
dc.contributor.none.fl_str_mv Vilca Labra, Filidor Edilfonso, 1964-
Matos, Larissa Avila
Patriota, Alexandre Galvão
Universidade Estadual de Campinas. Instituto de Matemática, Estatística e Computação Científica
Programa de Pós-Graduação em Estatística
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Monho, Thaís Castelo Branco, 1991-
dc.subject.por.fl_str_mv Modelos com erros nas variáveis
Modelos de regressão (Estatística)
Algoritmos de esperança-maximização
Distribuições bivariadas (Estatística)
Errors-in-variables models
Regression models (Statistics)
Expectation-maximization algorithms
Bivariate distributions (Statistics)
topic Modelos com erros nas variáveis
Modelos de regressão (Estatística)
Algoritmos de esperança-maximização
Distribuições bivariadas (Estatística)
Errors-in-variables models
Regression models (Statistics)
Expectation-maximization algorithms
Bivariate distributions (Statistics)
description Orientador: Filidor Edilfonso Vilca Labra
publishDate 2019
dc.date.none.fl_str_mv 2019
2019-07-23T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/1639844
MONHO, Thaís Castelo Branco. Modelo de regressão normal inversa gaussiana com erros nas variáveis. 2019. 1 recurso online ( 119 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática Estatística e Computação Científica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1639844. Acesso em: 15 mai. 2024.
url https://hdl.handle.net/20.500.12733/1639844
identifier_str_mv MONHO, Thaís Castelo Branco. Modelo de regressão normal inversa gaussiana com erros nas variáveis. 2019. 1 recurso online ( 119 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática Estatística e Computação Científica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1639844. Acesso em: 15 mai. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1157155
Requisitos do sistema: Software para leitura de arquivo em PDF
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online ( 119 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1799138555090436096

Registros relacionados